基于高斯粒子滤波的陀螺ARIMA模型辨识方法

ARIMA模型是陀螺信号处理中的一种重要方法,研究ARIMA模型辨识方法对提高陀螺精度有着重要意义。针对常规ARIMA建模滤波方法应用于光纤陀螺时滤波精度较低的问题,在ARMA模型基础上建立了一种适用于中低精度光纤陀螺的非平稳随机过程的ARIMA模型,提出了基于高斯粒子滤波的光纤陀螺ARIMA模型辨识方法。将光纤陀螺的ARIMA模型辨识与状态估计相结合,构建非线性的滤波模型,利用光纤陀螺实测信号进行了实验,结果表明所提出的方法能够有效地抑制光纤陀螺随机噪声,具有较高的工程应用价值。     

光纤陀螺零漂数据滤波方法的研究

在对光纤陀螺零偏稳定性数据建立时间序列模型（ARMA模型）的基础上,采用卡尔曼滤波算法对光纤陀螺的漂移数据进行了处理,并采用Allan方差法和最小二乘法对滤波后的数据进行了处理,拟合,最后求出滤波后数据中各噪声的误差系数。     

光纤陀螺随机漂移补偿中的数据融合方法（英文）

为提高光电平台的控制性能和稳定性,以平台反馈回路所用的光纤陀螺传感器为研究对象,对光纤陀螺角速率的历史输出、当前量测以及随机漂移进行融合补偿。采用双自回归模型确定了光纤陀螺时间序列输出的自回归多项式和光纤陀螺随机漂移的自回归关系。以陀螺当前输出为量测量,结合卡尔曼滤波算法将陀螺历史输出和历史随机漂移融合进状态方程,并进行随机漂移在线估计补偿。实验结果表明,光纤陀螺随机漂移的AR模型能达到90%拟合效果,经卡尔曼滤波补偿后随机漂移能降到1/10。该方法能很好地抑制光电平台三个框架轴光纤陀螺的随机漂移,补偿率为80%~90%。     

基于粒子滤波的光纤陀螺寻北方案

为了降低噪声对光纤陀螺（FOG）寻北的影响,提高寻北速度和精度,提出了一种基于粒子滤波（PF）的光纤陀螺寻北方案。首先基于单轴光纤陀螺能够敏感地球自转角速率水平分量的输出特性,建立非线性光纤陀螺寻北系统的状态空间模型和观测模型。根据粒子滤波的基本原理,以及在解决非线性系统估计问题上的优势,利用粒子滤波来解算出光纤陀螺敏感轴与真北方向的夹角。仿真实验结果表明,该方案不仅可以在20至30倍采样时间间隔内快速获得寻北结果,而且可以有效解决光纤陀螺常值漂移和随机噪声的影响,其精度优于基于扩展卡尔曼滤波（EKF）的寻北结果。     

光纤陀螺信号的解耦自适应Kalman滤波降噪方法

针对光纤陀螺(FOG)输出信号的随机噪声问题,提出了一种解耦自适应Kalman滤波方法用于FOG信号降噪。方法采用Allan方差分析法估计量测噪声的方差参数,Kalman滤波过程与量测噪声方差的估计过程完全独立,避免了Kalman滤波器与量测噪声估值器间的相互耦合。利用时间序列分析法对FOG的随机噪声进行建模,并在建立的二阶自回归模型的基础上,采用本文滤波方法对采集的FOG实测数据随机噪声进行了试验验证。与传统方法相比,提出的滤波方法具有更好的降噪效果,噪声均方误差降低40%以上。     

有色噪声下的目标跟踪卡尔曼滤波新算法

传统卡尔曼滤波(KF)适用于白噪声数据的处理,当机动目标跟踪系统的噪声数据存在有色噪声时,采用KF解算的精度降低,不能满足高精度导航的要求。一步相关卡尔曼滤波(OCKF)虽能用于抵制有色噪声的影响,但不适用于高阶有色噪声模型,缺乏一定的适用性,因此提出一种处理有色噪声的多步相关卡尔曼滤波(MCKF)新算法:利用历元噪声的相关性特性,构建多步相关的噪声协方差矩阵,通过线性变换,得到改进的状态协方差公式和增益矩阵。仿真结果表明,MCKF算法在状态噪声为有色噪声或者观测噪声为有色噪声以及两者皆为有色噪声的情况下,均能有效减弱有色噪声在机动目标跟踪过程中对系统状态的扰动,提高滤波的估计精度。     

一种新型自适应模型预测组合滤波在在线标定中的应用

为了提高捷联惯性导航系统在线标定的精度和实时性,根据模型预测滤波算法和Sage_Husa自适应卡尔曼滤波算法的优点,提出了一种新的自适应模型预测组合滤波算法。该算法首先利用模型预测滤波算法估计出系统模型误差,并对系统状态方程实时修正,以减小系统模型误差对导航精度的影响;然后利用简化的自适应滤波算法对量测噪声在线调整,修正噪声统计特性,以提高滤波精度。将提出的算法进行在线标定仿真实验,并与传统的卡尔曼滤波在线标定算法进行比较,结果表明,提出的自适应模型预测组合滤波算法能有效完成在线标定,且标定精度和收敛速度均优于传统方法。     

光纤陀螺随机漂移建模与分析

光纤陀螺精度是惯导系统精度高低与否的关键因素,而减小陀螺随机漂移是提高其精度的重要手段.对陀螺输出数据中的随机漂移建立模型,在此基础上对陀螺数据进行滤波,可以有效提高光纤陀螺的输出精度,从而提高惯导系统的精度.本文通过大量实验建立了光纤陀螺随机漂移的ARMA模型,通过有效滤波对随机漂移进行滤除,并且对滤波结果进行Allan方差分析.分析结果表明,光纤陀螺输出信号中存在的主要误差源以及正弦噪声较滤波前明显减小到50％,有效地抑制了高频噪声,验证了光纤陀螺随机漂移建立模型的正确性.本文还设计了可视化软件,具有较高的工程意义.     

带不确定混合噪声系统的变分贝叶斯期望最大滤波算法

卡尔曼滤波器假设量测噪声为已知统计特性的高斯白噪声,然而系统可能受到不确定随机噪声以及未知有界噪声共同影响,若采用单一滤波策略,则估计结果易出现较大偏差。将两种不确定噪声运用未知参数的高斯混合模型进行表示,提出变分贝叶斯期望最大滤波算法。所提方法采用变分贝叶斯最大化方法对量测噪声模型中的超参数进行更新,在得到模型超参数后,利用变分贝叶斯期望算法计算噪声模型的隐变量。对上述过程反复迭代,最终获得系统的状态和协方差。仿真结果表明,相比于传统的卡尔曼滤波算法和联合滤波算法,变分贝叶斯期望最大滤波算法在出现混合不确定噪声时,经纬度定位精度均提高60%以上,提高了导航系统的精确性。     

光纤陀螺基于本征模态函数筛选的阈值滤波算法

为降低光纤陀螺随机噪声,提高其测量精度,利用周期图法辨识光纤陀螺的随机噪声特征参数,针对其噪声特征,提出了基于本征模态函数筛选的微分经验模态分解阈值滤波算法。以本征模态函数和原始信号二者的概率密度函数的空间距离为判别依据,对所有本征模态函数进行筛选,根据已估计的噪声参数计算阈值大小,采用时间序列阈值的方法对筛选出的本征模态函数进行处理。仿真和实验结果表明,该滤波算法能够在跟踪光纤陀螺信号变化的同时,使其零偏不稳定性下降90.35%,角随机游走下降93.75%,对随机噪声有较好的抑制能力。